Preguntas frecuentes
Las respuestas breves sobre The General Data Company. Si falta algo: hello@thegeneraldata.com.
- Qué es TGDC
- Una empresa de datos de entrenamiento para IA, con sede en San Francisco, que se abastece en la UE
- Canales
- Masas concursales, registro de flujos de trabajo, documentos personales. Nada obtenido por scraping
- Contacto
- hello@thegeneraldata.com
¿Qué es The General Data Company?
The General Data Company (TGDC) es una empresa de datos de entrenamiento para IA. Obtiene datos operativos reales de empresas europeas, los anonimiza y los licencia a laboratorios de IA para entrenamiento, evaluación y desarrollo de producto. TGDC tiene su sede en San Francisco, EE. UU.; la obtención de datos se realiza en la UE y cuenta con verificación conforme al RGPD.
¿Qué vende TGDC?
TGDC vende cuatro cosas: archivos documentales con cadena de custodia documentada, extractos estructurados entregados según el esquema del cliente, conjuntos de evaluación reservados construidos con material nunca publicado, y entornos de RL (entornos de entrenamiento basados en tareas con verificadores programáticos, construidos a partir de flujos de trabajo reales). Los corpus a medida se componen bajo petición.
¿Qué es un entorno de RL?
Un entorno de RL reúne la especificación de una tarea, un estado de trabajo realista y un verificador programático que puntúa cada intento, de modo que un modelo de lenguaje pueda entrenarse mediante aprendizaje por refuerzo sobre trabajo real. TGDC los construye a partir de flujos de trabajo empresariales consentidos y con derechos verificados, que nunca aparecieron en la web abierta.
¿De dónde proceden los datos?
De tres canales autorizados: masas concursales, que los administradores concursales solo liberan mediante mandato por escrito; el registro de flujos de trabajo, captado con consentimiento mientras el trabajo se realiza; y documentos personales aportados por particulares a través de una aplicación de contribución, todavía no publicada, con anonimización en el propio dispositivo. Nada se obtiene por scraping.
¿Cumplen los datos con el RGPD?
La obtención se realiza en la UE y cuenta con verificación conforme al RGPD. Cada corpus pasa una verificación de derechos que abarca la titularidad, el material de terceros y los límites legales. Los datos personales se eliminan o se seudonimizan antes de la entrega, y cada lote se verifica.
¿Cómo se anonimizan los datos?
Las entidades nombradas, los datos personales y los identificadores comerciales se eliminan o se seudonimizan de forma determinista: una misma parte real recibe el mismo seudónimo en todo el corpus, de modo que los documentos mantienen su coherencia sin exponer a nadie. Cada lote se entrega con un informe de verificación.
¿TGDC hace scraping de la web?
No. Cada corpus está autorizado en origen y lleva una cadena de titularidad por escrito. Ese es justamente el punto: los datos que TGDC licencia nunca aparecieron en la web abierta, por lo que son genuinamente inéditos para los modelos existentes.
¿Podemos licenciar datos o entornos en exclusiva?
Sí. La licencia exclusiva está disponible a nivel de colección de tareas y de corpus. Una colección exclusiva se entrega a un único cliente y se retiene frente a todos los demás. Las condiciones se fijan por acuerdo; escriba a hello@thegeneraldata.com.
¿Es The General Data Company una empresa de servicios informáticos o de impresión de etiquetas?
No. The General Data Company, en thegeneraldata.com, es una empresa de datos de entrenamiento para IA y no está afiliada a ninguna empresa de nombre parecido dedicada a servicios informáticos, redes informáticas o fabricación de etiquetas.
¿En qué formatos se entrega?
Los archivos se entregan en PDF, EML, XLSX y DOCX con manifiestos y sumas de verificación; los extractos estructurados en JSONL o Parquet según su esquema. Cada entrega incluye la documentación de procedencia, el informe de anonimización del lote correspondiente y las condiciones de licencia.